基于SPS与CNN的行星齿轮箱故障特征提取与诊断研究
郑攀1
周建华1
高素杰1
陈奔1
刘祥雄2
巫世晶1
1.武汉大学 动力与机械学院,湖北 武汉 4300722.国能云南新能源有限公司,云南 昆明 650214
摘要：针对行星齿轮箱结构和运行工况复杂,导致信号故障特征提取困难的问题,通过分析行星轮系振动机理,初步推导出含故障齿轮箱振动信号频谱特征;运用谐波乘积谱(Harmonic product spectrum,HPS)与边带乘积谱(Sideband product spectrum,SPS)的方法,在噪声干扰以及故障冲击不明显的条件下,准确提取到了仿真信号的故障特征频率.进一步采集不同运行工况、不同故障状态下的行星齿轮箱振动信号,将提取后的故障特征输入到卷积神经网络中进行故障识别,成功获取到齿轮箱的故障信息,证明了该方法在行星齿轮箱故障诊断方面的可行性.
关键词：行星轮系故障特征提取谐波乘积谱边频乘积谱卷积神经网络
资助基金：国家自然科学基金(52075392)
论文发表日期：2022-04-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 73-79,147 )
英文信息